决策树matlab代码

你可以使用Matlab中的ClassificationTree函数来构建决策树模型。该函数可以设置多个参数，例如最大树深度、最小叶节点数等。下面是一个示例代码：

% 导入数据
load fisheriris
trainData = meas(1:100,:);
trainLabels = species(1:100);

% 构建决策树模型
tree = fitctree(trainData, trainLabels, 'PredictorNames', {'meas1', 'meas2', 'meas3', 'meas4'}, 'MaxNumSplits', 10);

% 可视化决策树
view(tree,'Mode','graph');

在这个示例中，我们使用了Iris数据集作为训练数据，其中包含了4个特征（meas1、meas2、meas3、meas4）和3个类别（setosa、versicolor、virginica）。我们通过fitctree函数构建了一个决策树模型，并设置了最大树深度为10。你可以根据自己的需求调整参数来获得更好的性能。
#### 引用[.reference_title]
- *1* *2* *3* [Matlab实现决策树算法（附上完整仿真源码）](https://blog.csdn.net/m0_62143653/article/details/131181769)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]